Séance de cours

L'équité dans la prise de décision algorithmique

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Séances de cours associées (52)

Réseaux sociaux et d'information 2: Evolution

Plonge dans la dynamique des réseaux sociaux et d'information, y compris le comportement de troupeau, les cascades d'informations, l'attachement préférentiel et le paradoxe de l'amitié.

Équation de transport: Analyse numérique

Couvre l'optimisation, les problèmes de contrôle et les réseaux neuronaux dans le contexte de l'équation de transport.

Gouvernance mondiale de l'IA

Explore l'importance de la gouvernance mondiale dans l'intelligence artificielle, en mettant l'accent sur les pratiques éthiques, les questions de partialité et la confiance dans les technologies de l'intelligence artificielle.

Génération de langage naturel: Décodage et formation

Explore les défis dans la génération de langage naturel, le décodage des algorithmes, les problèmes de formation et les fonctions de récompense.

Ergodicité géométrique : diagnostics de convergence

Couvre le concept d'ergodicité géométrique dans le contexte du diagnostic de convergence pour les chaînes de Markov.

Évaluation du modèle : métriques et sélection

Explore les mesures d'évaluation des modèles, les techniques de sélection, le compromis biais-variance et la gestion des distributions de données biaisées dans l'apprentissage automatique.

Comprendre les statistiques et le design expérimental

Explore les variances inégales, la réplication, la puissance, la taille de l'effet, les biais et leur impact sur les résultats de la recherche.

Big Data: Meilleures pratiques et lignes directrices

Couvre les pratiques exemplaires et les lignes directrices pour les mégadonnées, y compris les lacs de données, l'architecture typique, les défis et les technologies utilisés pour y remédier.

Cognition, langage et émotions

Explore les biais cognitifs, les émotions et l'évolution du langage, couvrant les échecs de la mémoire, les heuristiques de prise de décision et les origines du langage.

Paysage et généralisation dans l'apprentissage profond

Explore les défis et les points de vue de l'apprentissage profond, en mettant l'accent sur le paysage des pertes, la généralisation et l'apprentissage caractéristique.

Théorie de détection de signal

Explore la théorie de la détection de signaux et son impact sur les processus décisionnels en statistique et en conception expérimentale.

Traitement statistique du signal

Couvre les modèles de mélange gaussien, le denoising, la classification des données et le tri à laide de lanalyse en composantes principales.

Bases d'apprentissage automatique : Apprentissage supervisé et non supervisé

Couvre les bases de l'apprentissage automatique, l'apprentissage supervisé et non supervisé, diverses techniques comme les voisins k-nearest et les arbres de décision, et les défis de l'ajustement excessif.

Intervalles de confiance et tests d'hypothèse

Explore les intervalles de confiance, les tests d'hypothèse et la prise de décision à l'aide de statistiques de test et de valeurs de p.

Éthique des données: Al & Egalité

Explore l'éthique des données, en mettant l'accent sur l'équité, la justice et les implications plus larges des systèmes Al.

Auto-organisation : défis et applications

Explore les avantages, les défis et les applications de l'auto-organisation dans divers domaines.

Les bases du machine learning : l’apprentissage supervisé

Introduit les bases de l'apprentissage automatique supervisé, couvrant les types, les techniques, le compromis biais-variance et l'évaluation du modèle.

4.1 Bias in Machine Learning

Du comparateur à l'amplificateur

Couvre la transition d'un comparateur à un amplificateur, en se concentrant sur les différents étages et composants impliqués.

Estimation du regroupement et de la densité

Couvre les algorithmes de clustering, PCA, LDA, K-means, GMM, KDE et Mean Shift pour l'estimation de la densité et le clustering.